Jev di TypeSafe: Un Nuovo Modello AI per Decisioni Ultra-Veloce e Senza Allucinazioni

Co-sviluppatore di ChatGPT Svela Jev: Una Nuova Classe di AI per l'Automazione Software

Diogo Almeida, ex ricercatore OpenAI che ha contribuito a creare i metodi alla base di ChatGPT, è emerso dalla segretezza con una nuova audace iniziativa: TypeSafe AI. Il 15 settembre 2026, l'azienda ha presentato Jev, il primo dei suoi Modelli System One—una nuova classe di AI all'avanguardia progettata non per la conversazione, ma per prendere decisioni veloci e strutturate che il software può utilizzare direttamente.

Il lancio affronta un paradosso persistente nell'AI: i modelli sono stati superumani nella chat per anni, eppure l'automazione rimane sfuggente. Jev mira a colmare questo divario abbandonando completamente la generazione di stringhe, producendo invece decisioni probabilistiche type-safe in parallelo—a velocità e costi che rendono l'AI praticabile per applicazioni in tempo reale e di livello produttivo.

Cosa Rende Jev Diverso dai Tradizionali LLM?

L'architettura di Jev rappresenta un allontanamento fondamentale dagli LLM autoregressivi. Invece di prevedere i token in sequenza, Jev elabora le query in parallelo, generando tutti gli output in un unico passaggio. Ciò consente tempi di risposta end-to-end di 70-500ms, rispetto ai 3-329 secondi tipici degli LLM all'avanguardia—un miglioramento di velocità di 40-200x per le attività System One.

Il modello è addestrato utilizzando un metodo proprietario chiamato Reinforcement Learning for Calibrated Decisions (RLCD), che ottimizza per probabilità epistemicamente oneste piuttosto che per preferenze umane o ricompense verificabili. Ogni output include punteggi di confidenza calibrati, il che significa che una maggiore confidenza è correlata a una maggiore accuratezza—una caratteristica fondamentale per l'automazione.

Gli output di Jev sono valori strutturati type-safe, definiti in anticipo. Ciò rende le allucinazioni matematicamente impossibili per errori di tipo, un'affermazione che TypeSafe sostiene con sicurezza. Il modello non genera mai testo libero; sceglie solo tra opzioni predefinite, funzionando come una "chiamata di funzione di intelligenza all'avanguardia."

Prezzi e Prestazioni: Un Punto di Svolta per gli Sviluppatori

L'economia di Jev è sorprendente. I costi di input sono $0,042 per milione di token ($42 per miliardo), mentre l'output è gratuito—"troppo economico per essere misurato." Questo si confronta con GPT-5.6 Terra a $2/MTok in input e $12/MTok in output, rendendo Jev circa 238x più economico di Claude Fable 5.1 per le stesse attività.

In una demo affiancata, Jev ha restituito una risposta in 0,114 secondi contro 8,566 secondi per GPT-5.6 Terra. Per un'app che effettua un milione di chiamate con una media di 1.000 token di input ciascuna, il costo sarebbe di soli $42 prima dell'infrastruttura—consentendo agli sviluppatori di controllare ogni decisione dell'AI piuttosto che campionare.

TypeSafe riconosce che alcune affermazioni richiedono una validazione a lungo termine. "Non possiamo dimostrare che non sia sovvenzionato," ha notato Almeida, "ma ci aspettiamo che i prezzi scendano, non salgano." L'azienda ha anche pubblicato valutazioni dei flussi di lavoro che mostrano Jev che domina la frontiera di Pareto per quasi due ordini di grandezza rispetto ai principali LLM.

Casi d'Uso: Dal Servizio Clienti a Doom

Il design di Jev è mirato a flussi di lavoro potenziati dall'AI—if-statement intelligenti che classificano, instradano, valutano o ramificano dove la logica scritta a mano è troppo fragile. I casi d'uso di esempio di TypeSafe includono la classificazione delle richieste di servizio clienti, la gestione delle fatture, gli avvisi di sicurezza e la revisione degli output degli agenti AI per jailbreak o errori.

Le demo sono altrettanto convincenti. Una mostra Jev che gioca a Doom in tempo reale, effettuando circa 10 query al secondo a un costo di circa $7 all'ora. Un'altra dimostra il wikiracing, dove Jev naviga tra i link di Wikipedia con scelte ad alta cardinalità (fino a 255 opzioni) senza allucinare.

"La maggior parte dell'intelligenza dovrebbe eventualmente risiedere all'interno del software, funzionando silenziosamente in background," ha detto Almeida a Forbes. Questa visione posiziona Jev come un componente standard per gli sviluppatori che costruiscono sistemi affidabili e potenziati dall'AI.

Perché Questo è Importante: Il Paradosso di Jevons nell'AI

Il nome del modello si riferisce all'economista del XIX secolo William Stanley Jevons, che osservò come i guadagni di efficienza nel carbone portassero a un aumento del consumo. TypeSafe scommette che ridurre il costo dell'intelligenza di ordini di grandezza sbloccherà esponenzialmente più casi d'uso, anche mentre i prezzi dei token diminuiscono.

Questa scommessa presuppone che il mercato per le decisioni AI sarà ampio quanto il mercato per l'energia—un'affermazione che rimane non dimostrata dati gli ostacoli all'adozione. Tuttavia, la combinazione di velocità, costo e affidabilità potrebbe rendere Jev un abilitatore fondamentale per incorporare l'AI nell'infrastruttura software, potenzialmente ridefinendo come vengono costruite le applicazioni.

TypeSafe ha aperto l'accesso anticipato e sta inserendo sviluppatori dalla sua lista d'attesa. L'azienda prevede di pubblicare ulteriori dettagli tecnici, inclusa documentazione e valutazioni dei flussi di lavoro, continuando a perfezionare le capacità di Jev.

Il Punto Chiave

Jev rappresenta un cambiamento significativo nell'architettura dell'AI, dando priorità al processo decisionale rispetto alla conversazione. Sebbene non sostituirà gli LLM per chat, codifica o attività creative, la sua velocità, costo e affidabilità lo rendono particolarmente adatto per l'automazione. Come dice Almeida, "L'AI ha bisogno di un'interfaccia su cui il software possa fare affidamento"—e Jev è la risposta di TypeSafe a questa sfida.

Per sviluppatori e aziende, le implicazioni sono chiare: l'AI può ora gestire decisioni di routine su larga scala, con punteggi di confidenza che costruiscono fiducia. Se Jev sarà all'altezza delle sue straordinarie affermazioni dipenderà dalle implementazioni nel mondo reale, ma la direzione che indica—un'AI più veloce, più economica e più affidabile per il software—è innegabilmente convincente.